基于v-Informer的云平台资源负载预测方法

作者：尤文龙; 邓莉; 李锐龙; 谢雨欣; 任正伟

来源：计算机科学, 2024, 1-19.

• 云平台
• CPU负载
• 多步预测
• 模态分解
• Informer
• 梯度收敛

云计算技术在当前的使用非常广泛，随着用户量的增加，云计算资源的分配管理也越来越重要，而准确的负载预测是分配管理的重要依据，但由于云平台任务有多个负载特征，且特征的相关性变化趋势各不相同，因此难以从长期的历史数据中提取出有效的依赖信息。本文在Informer模型的基础上，提出了一种针对高动态云平台任务CPU长期负载预测方法v-Informer，该方法通过变分模态分解来分解负载序列中的变化趋势，引入多头自注意力机制捕获其中的长期依赖性和局部非线性关系，同时应用梯度集中技术改进优化器，减少计算开销。分别在微软云平台和谷歌云平台数据上进行实验，结果表明，相比于目前已提出的CPU负载预测模型LSTM、Transformer、TCN和CEEMDAN-Informer，v-Informer在Google数据集上的预测误差分别减少了34%、19%、15%和6.5%；在微软数据集上的预测误差分别减少了32%、16%、12%和7%，具有较好的预测精度。

• 单位
  武汉科技大学; 智能信息处理与实时工业系统湖北省重点实验室